1. 无线传感器网络路由协议概述无线传感器网络WSN作为物联网的基础设施其路由协议设计直接影响网络寿命和能耗效率。在众多分簇路由协议中LEACHLow-Energy Adaptive Clustering Hierarchy因其简单高效成为经典方案但存在簇头选举随机性、能耗不均等问题。后续改进的LEACH-CLEACH-Centralized和TS-I-LEACHTwo-Stage Improved LEACH通过引入集中控制和两阶段选举机制显著提升了性能表现。注本文所有Matlab代码均基于R2021a版本开发兼容2016b及以上版本。若遇闪退问题建议检查内存占用或重装MATLAB Runtime组件。2. 三种协议的核心原理对比2.1 经典LEACH协议工作机制LEACH采用分布式簇头选举每轮循环包含两个阶段建立阶段节点以概率p自主竞选簇头计算公式为T(n) p/(1-p * mod(r, round(1/p))) % r为当前轮次稳定阶段普通节点加入最近簇头采用TDMA时隙传输数据主要缺陷体现在簇头分布可能不均匀未考虑节点剩余能量高频次选举带来控制开销2.2 LEACH-C的集中式改进LEACH-C引入基站BS进行集中控制所有节点向BS发送位置和能量信息BS计算最优k个簇头通常取网络节点的5%k_opt floor(0.05 * num_nodes); % 最优簇头数基于加权成本函数选择簇头cost α*(d_to_BS/d_max) (1-α)*(E_residual/E_initial)2.3 TS-I-LEACH的两阶段优化TS-I-LEACH的创新在于预选举阶段筛选候选簇头能量阈值E_residual E_avg * 0.7密度控制每R/√k区域最多1个候选R为网络半径决赛阶段基于多因子评分score w1*E_residual w2*(1/density) w3*(1/d_to_BS)3. Matlab实现关键代码解析3.1 网络初始化模块function nodes initNetwork(N, area_size) nodes.pos area_size * rand(N,2); % 随机部署 nodes.energy 100 * ones(N,1); % 初始能量100J nodes.status zeros(N,1); % 0普通节点 1簇头 nodes.cluster zeros(N,1); % 所属簇ID end3.2 LEACH-C的集中选举算法function [CH_ids] leach_c_election(nodes, BS_pos, k) d_to_BS pdist2(nodes.pos, BS_pos); d_max max(d_to_BS); cost 0.7*(d_to_BS/d_max) 0.3*(1 - nodes.energy/100); [~, CH_ids] mink(cost, k); end3.3 能耗模型实现采用First Order Radio Modelfunction E_consumed calc_energy(d, packet_size) E_elec 50e-9; % 50nJ/bit E_fs 10e-12; % 10pJ/bit/m^2 E_mp 0.0013e-12; % 0.0013pJ/bit/m^4 d0 sqrt(E_fs/E_mp); % 阈值距离 if d d0 E_consumed packet_size * (E_elec E_fs*d^2); else E_consumed packet_size * (E_elec E_mp*d^4); end end4. 性能对比实验设计4.1 实验参数配置参数值说明网络区域100m×100m正方形监测区域节点数量100均匀随机分布初始能量100J各节点相同数据包大小4000bits固定长度数据包仿真轮次2000足够覆盖网络生命周期4.2 评价指标实现代码function metrics evaluate(nodes_history) % 计算存活节点数曲线 alive_nodes sum(cat(2,nodes_history.energy) 0, 1); % 网络生命周期首个节点死亡轮次 first_death find(diff(alive_nodes) 0, 1); % 能量均衡性标准差 energy_std std(cat(2,nodes_history.energy), 0, 1); end5. 实验结果分析与优化建议5.1 三种协议性能对比![生命周期对比图]LEACH首个节点死亡约380轮LEACH-C首个节点死亡约620轮TS-I-LEACH首个节点死亡约850轮关键发现TS-I-LEACH的能量均衡性最佳其能量标准差比LEACH降低62%5.2 实际部署建议移动性场景优先选用LEACH分布式特性适应拓扑变化能量敏感场景采用TS-I-LEACH两阶段选举保障高能节点当选大规模网络LEACH-C更适合集中控制减少通信开销5.3 参数调优经验LEACH-C的α权重通过网格搜索法确定最优值alpha_range 0.1:0.1:0.9; lifetime zeros(size(alpha_range)); for i 1:length(alpha_range) % ...仿真过程... lifetime(i) first_death; endTS-I-LEACH的权重组合建议采用熵权法动态调整w1,w2,w36. 常见问题排查指南6.1 Matlab仿真崩溃问题内存不足解决方案preallocating arrays预先分配数组空间示例将nodes(r).energy改为nodes_energy(:,r)无限循环检查条件while sum([nodes.energy]0) 0应添加轮次限制6.2 结果异常排查现象可能原因解决方案所有节点同时死亡能量计算单位错误检查是否混淆J和mJ簇头集中在一侧距离计算未归一化添加d_to_BS d_to_BS/max(d_to_BS)存活曲线剧烈波动TDMA时隙分配不均验证mod(node_id, frame_size)逻辑7. 协议改进方向探索7.1 动态分簇半径算法function radius dynamic_radius(E_residual, E_avg) R_max 30; % 最大通信半径(m) radius R_max * (0.5 0.5*(E_residual/E_avg)); end7.2 基于Q学习的智能选举定义状态空间能量水平离散化为5个等级节点密度周围1跳邻居数奖励函数设计reward (E_residual/E_initial) - 0.2*(d_to_BS/d_max)在Matlab中实现强化学习工具箱集成q_table rlTable(state_dim, action_dim); agent rlQAgent(q_table);8. 工程实现注意事项硬件兼容性使用TI CC2530节点时需调整能量参数匹配实际芯片规格射频能耗模型应替换为实际测量数据时序控制精度tic; % 簇头选举过程 election_time toc; if election_time 0.1*round_time warning(选举耗时超过轮次时间的10%); end数据可视化技巧动态更新拓扑图h scatter(nodes.pos(:,1), nodes.pos(:,2), filled); set(h, CData, nodes.energy); % 颜色映射能量值
1. 无线传感器网络路由协议概述无线传感器网络WSN作为物联网的基础设施其路由协议设计直接影响网络寿命和能耗效率。在众多分簇路由协议中LEACHLow-Energy Adaptive Clustering Hierarchy因其简单高效成为经典方案但存在簇头选举随机性、能耗不均等问题。后续改进的LEACH-CLEACH-Centralized和TS-I-LEACHTwo-Stage Improved LEACH通过引入集中控制和两阶段选举机制显著提升了性能表现。注本文所有Matlab代码均基于R2021a版本开发兼容2016b及以上版本。若遇闪退问题建议检查内存占用或重装MATLAB Runtime组件。2. 三种协议的核心原理对比2.1 经典LEACH协议工作机制LEACH采用分布式簇头选举每轮循环包含两个阶段建立阶段节点以概率p自主竞选簇头计算公式为T(n) p/(1-p * mod(r, round(1/p))) % r为当前轮次稳定阶段普通节点加入最近簇头采用TDMA时隙传输数据主要缺陷体现在簇头分布可能不均匀未考虑节点剩余能量高频次选举带来控制开销2.2 LEACH-C的集中式改进LEACH-C引入基站BS进行集中控制所有节点向BS发送位置和能量信息BS计算最优k个簇头通常取网络节点的5%k_opt floor(0.05 * num_nodes); % 最优簇头数基于加权成本函数选择簇头cost α*(d_to_BS/d_max) (1-α)*(E_residual/E_initial)2.3 TS-I-LEACH的两阶段优化TS-I-LEACH的创新在于预选举阶段筛选候选簇头能量阈值E_residual E_avg * 0.7密度控制每R/√k区域最多1个候选R为网络半径决赛阶段基于多因子评分score w1*E_residual w2*(1/density) w3*(1/d_to_BS)3. Matlab实现关键代码解析3.1 网络初始化模块function nodes initNetwork(N, area_size) nodes.pos area_size * rand(N,2); % 随机部署 nodes.energy 100 * ones(N,1); % 初始能量100J nodes.status zeros(N,1); % 0普通节点 1簇头 nodes.cluster zeros(N,1); % 所属簇ID end3.2 LEACH-C的集中选举算法function [CH_ids] leach_c_election(nodes, BS_pos, k) d_to_BS pdist2(nodes.pos, BS_pos); d_max max(d_to_BS); cost 0.7*(d_to_BS/d_max) 0.3*(1 - nodes.energy/100); [~, CH_ids] mink(cost, k); end3.3 能耗模型实现采用First Order Radio Modelfunction E_consumed calc_energy(d, packet_size) E_elec 50e-9; % 50nJ/bit E_fs 10e-12; % 10pJ/bit/m^2 E_mp 0.0013e-12; % 0.0013pJ/bit/m^4 d0 sqrt(E_fs/E_mp); % 阈值距离 if d d0 E_consumed packet_size * (E_elec E_fs*d^2); else E_consumed packet_size * (E_elec E_mp*d^4); end end4. 性能对比实验设计4.1 实验参数配置参数值说明网络区域100m×100m正方形监测区域节点数量100均匀随机分布初始能量100J各节点相同数据包大小4000bits固定长度数据包仿真轮次2000足够覆盖网络生命周期4.2 评价指标实现代码function metrics evaluate(nodes_history) % 计算存活节点数曲线 alive_nodes sum(cat(2,nodes_history.energy) 0, 1); % 网络生命周期首个节点死亡轮次 first_death find(diff(alive_nodes) 0, 1); % 能量均衡性标准差 energy_std std(cat(2,nodes_history.energy), 0, 1); end5. 实验结果分析与优化建议5.1 三种协议性能对比![生命周期对比图]LEACH首个节点死亡约380轮LEACH-C首个节点死亡约620轮TS-I-LEACH首个节点死亡约850轮关键发现TS-I-LEACH的能量均衡性最佳其能量标准差比LEACH降低62%5.2 实际部署建议移动性场景优先选用LEACH分布式特性适应拓扑变化能量敏感场景采用TS-I-LEACH两阶段选举保障高能节点当选大规模网络LEACH-C更适合集中控制减少通信开销5.3 参数调优经验LEACH-C的α权重通过网格搜索法确定最优值alpha_range 0.1:0.1:0.9; lifetime zeros(size(alpha_range)); for i 1:length(alpha_range) % ...仿真过程... lifetime(i) first_death; endTS-I-LEACH的权重组合建议采用熵权法动态调整w1,w2,w36. 常见问题排查指南6.1 Matlab仿真崩溃问题内存不足解决方案preallocating arrays预先分配数组空间示例将nodes(r).energy改为nodes_energy(:,r)无限循环检查条件while sum([nodes.energy]0) 0应添加轮次限制6.2 结果异常排查现象可能原因解决方案所有节点同时死亡能量计算单位错误检查是否混淆J和mJ簇头集中在一侧距离计算未归一化添加d_to_BS d_to_BS/max(d_to_BS)存活曲线剧烈波动TDMA时隙分配不均验证mod(node_id, frame_size)逻辑7. 协议改进方向探索7.1 动态分簇半径算法function radius dynamic_radius(E_residual, E_avg) R_max 30; % 最大通信半径(m) radius R_max * (0.5 0.5*(E_residual/E_avg)); end7.2 基于Q学习的智能选举定义状态空间能量水平离散化为5个等级节点密度周围1跳邻居数奖励函数设计reward (E_residual/E_initial) - 0.2*(d_to_BS/d_max)在Matlab中实现强化学习工具箱集成q_table rlTable(state_dim, action_dim); agent rlQAgent(q_table);8. 工程实现注意事项硬件兼容性使用TI CC2530节点时需调整能量参数匹配实际芯片规格射频能耗模型应替换为实际测量数据时序控制精度tic; % 簇头选举过程 election_time toc; if election_time 0.1*round_time warning(选举耗时超过轮次时间的10%); end数据可视化技巧动态更新拓扑图h scatter(nodes.pos(:,1), nodes.pos(:,2), filled); set(h, CData, nodes.energy); % 颜色映射能量值
